| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究目的及意义 | 第9-10页 |
| 1.2 国内外研究进展 | 第10-17页 |
| 1.2.1 水库径流中长期预报研究 | 第10-13页 |
| 1.2.2 人工神经网络在水文领域的应用情况 | 第13-15页 |
| 1.2.3 支持向量机在水文领域的应用情况 | 第15-16页 |
| 1.2.4 其他方法 | 第16-17页 |
| 1.3 研究的主要内容与技术路线 | 第17-19页 |
| 1.3.1 主要内容 | 第17页 |
| 1.3.2 技术路线 | 第17-19页 |
| 2 东江水库基本概况 | 第19-23页 |
| 2.1 东江水库流域概况 | 第19-21页 |
| 2.2 东江水库历年逐月平均入库流量 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 基于人工神经网络对东江水库入库径流量的中长期预报 | 第23-35页 |
| 3.1 人工神经网络概述 | 第23-26页 |
| 3.2 基于遗传算法的BP神经网络预报模型 | 第26-27页 |
| 3.2.1 BP神经网络概述 | 第26页 |
| 3.2.2 遗传算法的基本要素 | 第26-27页 |
| 3.2.3 遗传BP神经网络流程图 | 第27页 |
| 3.3 BP网络的学习算法以及BP算法的推导过程 | 第27-31页 |
| 3.4 实例应用 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 基于支持向量机对东江水库入库径流量的中长期预报 | 第35-47页 |
| 4.1 支持向量机 | 第35-43页 |
| 4.1.1 支持向量机的分类 | 第35-40页 |
| 4.1.2 支持向量回归（SVR） | 第40-43页 |
| 4.2 实例应用 | 第43-45页 |
| 4.3 本章小结 | 第45-47页 |
| 5 基于人工鱼群算法-投影寻踪的东江水库入库径流量的中长期预报 | 第47-57页 |
| 5.1 基于参数投影寻踪回归分析的径流预测原理 | 第47-49页 |
| 5.2 人工鱼群算法 | 第49-51页 |
| 5.2.1 人工鱼群算法概述 | 第49-50页 |
| 5.2.2 人工鱼群算法的步骤 | 第50-51页 |
| 5.3 人工鱼群-投影寻踪径流预测建模步骤 | 第51-52页 |
| 5.4 人工鱼群-投影寻踪算法对东江水库入库径流预测 | 第52-55页 |
| 5.5 预测方法结果的比较 | 第55-56页 |
| 5.6 本章小结 | 第56-57页 |
| 6 结论与展望 | 第57-59页 |
| 6.1 结论 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 攻读学位期间发表的学术论文及参加的科研项目 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67页 |
